以 XML 格式处理 PCDATA 中的 CDATA

Question

如果我们有以下 XML 元素：

<x>a &lt; b</x>

还有一个

<y>a<![CDATA[ < ]]>b</y>

x 和 y 两个元素的值是否都为 a < b？第二个例子是有效的、常见的、推荐的还是类似的？

AFAK y 具有三个子元素 - PCDATA a、CDATA < 和 PCDATA b，一些库完全像这样解析它。另一方面，https://pugixml.org/ 仅返回 a 作为 x 的值（辅助函数）。

Answer 1

两者有根本区别：

CDATA 表示 字符数据，而 PCDATA 表示 已解析的字符数据，这已经给我们一个提示解析器行为不同的正确方向，具体取决于它们的一致性级别。

CDATA 部分是<![CDATA[ 和]]> 标记之间的任何内容的严格转义。写在这之间的任何内容都不应该被 XML 处理器解析！符合标准的 XML 解析器只是忽略此处的任何内容，并将其传递给任何请求 XML 的应用程序（然后可以自行处理），而这些应用程序不可见。这就是为什么我们可以在这里放置任何通配符数据，而不会使 XML 失效。

< 是一个实体，更具体地说是一个字符实体。实体是被内容替换的“占位符”或“标记”。这意味着，实体也是PCDATA（已解析字符数据）。它由 XML 解析器解析，然后解释它（尝试解析其内容），以便可以用它替换实体。

对于数据的值，我们可能需要了解更多关于请求 XML 的应用程序的信息。在 XML 处理工具（XSD、XSLT、XPath、XQuery 等）的领域内，在这两种情况下，它都应该作为 text()、xs:string() 或 xs:untypedAtomic 的任何 XPath 数据类型出现，具体取决于您用来访问它的功能。例如：

let $t := <xml>Text <![CDATA[test]]> bla.</xml>
return $t/data() instance of xs:untypedAtomic

let $t := <xml>Text <![CDATA[test]]> bla.</xml>
return $t/string() instance of xs:string

let $t := <xml>Text <![CDATA[test]]> bla.</xml>
return $t/text() instance of text()

所有结果都是true。

但是，对于任何不使用 XML 数据模型的应用程序，结果应该只是文本，它位于元素标签之间。

有一些 interesting note here 和一个关于这个和相关主题的完整线程。